楊 潔，裴婷婷(.甘肅甘谷縣新興鎮(zhèn)政府，甘肅 天水 7400； .甘肅農(nóng)業(yè)大學(xué) 管理學(xué)院，甘肅 蘭州 730070)

陸地蒸散發(fā)(簡(jiǎn)稱(chēng)為ET)將土壤和植被中大量的水轉(zhuǎn)移到大氣中，緊密聯(lián)系著陸地生態(tài)系統(tǒng)中的水循環(huán)、能量循環(huán)和碳循環(huán)。蒸散發(fā)的變化對(duì)區(qū)域植被生長(zhǎng)和氣候反饋產(chǎn)生重要的影響[1]，尤其是在以嚴(yán)重的水分脅迫為特征的干旱半干旱區(qū)。全面理解氣候和植被對(duì)蒸散發(fā)時(shí)空模式的驅(qū)動(dòng)作用，對(duì)于預(yù)測(cè)地表-大氣相互關(guān)系起到了至關(guān)重要的作用[2]。大量研究表明，蒸散發(fā)的變化歸因于氣候和植被的共同影響[3]。現(xiàn)有的研究尺度包括空間(從點(diǎn)到全球)和時(shí)間尺度(從月到幾十年)[4-5]，研究方法包括單個(gè)/區(qū)域的渦動(dòng)觀測(cè)、遙感數(shù)據(jù)驅(qū)動(dòng)集以及地表模型等[6-7]。目前，研究發(fā)現(xiàn)，在很多水分限制區(qū)域溫度和降水的年際變化主導(dǎo)控制區(qū)域ET變化[8]，其他氣候因素的變化，比如土壤含水量，太陽(yáng)輻射，水汽壓差以及風(fēng)速[9-10]，它們?cè)谡{(diào)節(jié)區(qū)域蒸散發(fā)的時(shí)空模式上同樣也起到了重要的作用。另外，蒸散發(fā)的變化受到了植被生長(zhǎng)的影響[11]，而這種影響在不同的植被類(lèi)型之間有所差異。因此，植被生長(zhǎng)/地表覆蓋和氣候因素對(duì)于量化和理解區(qū)域蒸散發(fā)的時(shí)空模式仍存在很多不確定性。

以往的研究對(duì)于理解區(qū)域蒸散發(fā)的時(shí)空模式以及氣候和植被變化對(duì)蒸散發(fā)的影響提供了基礎(chǔ)[12]，但是，目前氣候升溫存在明顯的季節(jié)不對(duì)稱(chēng)性。最新的IPCC5報(bào)道，春季和冬季的升溫速率更快[13]，不對(duì)稱(chēng)的季節(jié)增溫調(diào)節(jié)了水熱狀況(如土壤含水量)的季節(jié)性模式以及相應(yīng)的植被生長(zhǎng)/活動(dòng)。黃土高原經(jīng)歷了快速且明顯的季節(jié)性升溫，盡管以往學(xué)者對(duì)黃土高原氣候變化和植被生長(zhǎng)對(duì)于蒸散發(fā)的影響已經(jīng)做了大量的研究[14-15]，但是，氣候和植被生長(zhǎng)的季節(jié)性變化對(duì)蒸散發(fā)的季節(jié)性影響卻鮮有研究，而該問(wèn)題對(duì)于將來(lái)預(yù)測(cè)水分限制區(qū)域的季節(jié)性水文循環(huán)以及陸地-大氣相互關(guān)系則是一個(gè)關(guān)鍵的先決條件。因此，基于大尺度遙感數(shù)據(jù)，運(yùn)用廣義線性模型探究1982～2011年氣候和植被變化對(duì)黃土高原蒸散發(fā)影響的季節(jié)性差異，分析了蒸散發(fā)季節(jié)性差異的內(nèi)在機(jī)理。

1 材料和方法

1.1 研究區(qū)概況

黃土高原的地理位置為E 100°54′～114°33′，N 33°43′～41°16′，東西長(zhǎng)約1 300 km，南北寬約700 km，總面積 64萬(wàn)km2，主要由山西高原、陜甘晉高原、隴中高原、鄂爾多斯高原和河套平原組成，占了中國(guó)國(guó)土面積的6.6%。海拔高度在89～5 210 m，年降水量為150～800 mm，多集中于6～9 月，屬于典型的大陸季風(fēng)氣候特征，冬季寒冷，夏季溫暖濕潤(rùn)，雨熱同期。年均氣溫為3.6～14.3℃，其水平分布和垂直分布差異較大。黃土高原的蒸發(fā)量普遍高于實(shí)際降水量，年蒸發(fā)量為1 400～2 000 mm，其總體趨勢(shì)是南低北高，東低西高。

為了改善黃土高原水土流失、荒漠化以及環(huán)境惡化的問(wèn)題，在1999年我國(guó)開(kāi)始實(shí)施退耕還林還草工程。自退耕還林還草工程實(shí)施以來(lái)，黃土高原的植被類(lèi)型以及植被覆蓋均發(fā)生了顯著變化，截止2009年底，全國(guó)累計(jì)完成退耕造林 902.26萬(wàn) hm2，配套荒山造林1 413.72萬(wàn)hm2，灌叢面積達(dá)到4.64萬(wàn)km2，草地面積達(dá)到 27.14萬(wàn)km2。

1.2 數(shù)據(jù)來(lái)源

1.2.1 NDVI 數(shù)據(jù)集 最新的第三代歸一化植被指數(shù)(NDVI)數(shù)據(jù)來(lái)源于超高分辨率輻射儀(Advanced Very High Resolution Radiometer (AVHRR))/國(guó)家海洋和大氣局衛(wèi)星(National Oceanographic and Atmospheric Agency (NOAA) satellites)，全球庫(kù)存建模和映射研究組Global Inventory Modeling and Mapping Studies (GIMMS) group，即GIMMS NDVI3g。該套數(shù)據(jù)空間分辨率為0.083°，時(shí)間分辨率為半月，時(shí)間尺度為1982～2011年。

1.2.2 ET數(shù)據(jù)集 蒸散發(fā)數(shù)據(jù)來(lái)源于全球渦動(dòng)通量塔的觀測(cè)數(shù)據(jù)(簡(jiǎn)稱(chēng)FLUXNET ET)，使用模型樹(shù)整合機(jī)器學(xué)習(xí)的算法獲得，并通過(guò)了內(nèi)部交叉驗(yàn)證和模型模擬。該數(shù)據(jù)集的空間分辨率為0.5°，時(shí)間分辨率為月，時(shí)間長(zhǎng)度為1982～2011年。為了和其他數(shù)據(jù)相匹配，將這套數(shù)據(jù)集重采樣到0.083°。

1.2.3 氣候數(shù)據(jù)集 柵格溫度及降水?dāng)?shù)據(jù)來(lái)源于中國(guó)區(qū)域高時(shí)空分辨率地面氣象要素驅(qū)動(dòng)數(shù)據(jù)集。該數(shù)據(jù)集融合中國(guó)氣象局氣象站點(diǎn)的數(shù)據(jù)而制作的一套時(shí)間分辨率為3 h，空間分辨率0.1°，時(shí)間尺度為1982～2011年的數(shù)據(jù)集。文中將3 h合并為天，空間分辨率重采樣到0.083°。

1.2.4 植被類(lèi)型圖 1∶1 000 000的中國(guó)植被底圖來(lái)源于中國(guó)科學(xué)院植物所。將數(shù)據(jù)庫(kù)中的10種植被亞類(lèi)合并為6大類(lèi)，包括林地(針葉林、闊葉林和高山植被)，草地(草原，草甸)，灌木、荒漠、栽培植被以及其他(沼澤和無(wú)植被覆蓋)。將植被圖空間分辨率重采樣為0.083°，且主要集中分析了林地、灌木和草地3種植被類(lèi)型(圖1)。

圖1 黃土高原植被分類(lèi)圖Fig.1 Distribution map of vegetation types in the Loess Plateau

1.3 研究方法

運(yùn)用廣義線性模型(GLM)來(lái)探究氣候和植被生長(zhǎng)對(duì)于ET的影響，該模型被認(rèn)為是釋放自變量對(duì)于因變量的相對(duì)貢獻(xiàn)的行之有效的方法。

廣義線性模型是對(duì)經(jīng)典線性模型理論的重要推廣，模型自1972年由Nelder和Wedderburn引入以來(lái)，已經(jīng)在很多領(lǐng)域得到廣泛的應(yīng)用[16]。

廣義線性模型[17-18]：

μi=E[Yi]=g-1(∑Xijβj+ξi)

var[Yi]=φV(μi)/ωi

式中：βj為需要估計(jì)的模型向量參數(shù)，ξi為干擾項(xiàng)，Yi為因變量向量，Xij為自變量向量，φ為方差函數(shù)V(x)的散布參數(shù)，ωi指觀察值的信度，var為方差。

廣義線性模型是由隨機(jī)部分、系統(tǒng)部分和聯(lián)系函數(shù)3部分構(gòu)成。隨即部分可以明確因變量的概率分布，系統(tǒng)部分用于確定預(yù)測(cè)解釋變量的線性函數(shù)，聯(lián)系函數(shù)用于描述系統(tǒng)成分與隨機(jī)成分的期望值之間的函數(shù)關(guān)系。

NDVI被用來(lái)表征植被變化，該指標(biāo)被認(rèn)為是在特定季節(jié)植被生長(zhǎng)的整體狀況的指示，將NDVI<0.1的值在最后的分析中剔除。降水、溫度和NDVI為自變量，而ET為因變量。所有的變量在進(jìn)行廣義線性模型之前去趨勢(shì)。將生長(zhǎng)季定義為4～10月。數(shù)據(jù)處理和分析均在Matlab和R軟件中完成。

2 結(jié)果與分析

2.1 溫度對(duì)黃土高原蒸散發(fā)的影響

通過(guò)對(duì)比發(fā)現(xiàn)，春季、夏季和秋季3個(gè)季節(jié)中溫度對(duì)ET的貢獻(xiàn)(簡(jiǎn)稱(chēng)RCTEM)普遍較小，且夏季的RCTEM高于春季和秋季，同時(shí)通過(guò)計(jì)算進(jìn)一步證實(shí)，春季的RCTEM為2.85%±1.50%，夏季的RCTEM為3.21%±1.03%，秋季的RCTEM為2.59%±1.08%，這3個(gè)季節(jié)的空間分布較為均勻(表1)。另外，不同植被的溫度對(duì)ET的貢獻(xiàn)也存在明顯的差異，夏季林地RCTEM高于春季和秋季，而灌木和草地則表現(xiàn)為春季RCTEM高于夏季和秋季。同時(shí)，同一季節(jié)的RCTEM在植被類(lèi)型之間也存在差異。春季灌木RCTEM最高，達(dá)到7.28±5.45%；而夏季林地RCTEM(4.42%±3.57%)高于灌木和草地；秋季不同植被RCTEM普遍較低，RCTEM最高的植被是草地。

表1 1982～2011年不同植被類(lèi)型的氣候和植被對(duì)蒸散發(fā)貢獻(xiàn)的季節(jié)性差異Table 1 Spatial pattern of the relative contributions of climate and vegetation growth to evapotranspiration in different seasons in 1982-2011

注：春季4、5月，夏季6-8月，秋季9、10月。表中括號(hào)里的數(shù)值指的是廣義線性模型通過(guò)顯著性檢驗(yàn)的象元點(diǎn)所占的比例

2.2 降水對(duì)黃土高原蒸散發(fā)的影響

降水對(duì)ET貢獻(xiàn)程度(簡(jiǎn)稱(chēng)RCPRE)普遍較高，RCPRE在春季、夏季和秋季分別為16.35%±5.30%,12.25%±4.73%,和11.06%±5.75%，且在更干旱的區(qū)域/植被類(lèi)型中發(fā)現(xiàn)更高的RCPRE，草地和荒漠在3個(gè)季節(jié)的RCPRE普遍高于林地和灌木，且這兩種植被在春季的RCPRE最高。同樣，為了進(jìn)一步明確降水對(duì)ET的貢獻(xiàn)。隨著降水梯度的變化，將降水以50 mm為間隔進(jìn)行劃分，并提取相應(yīng)區(qū)間內(nèi)RCPRE(圖2)。通過(guò)對(duì)比發(fā)現(xiàn)隨著年均降水量從200 mm增加到650 mm，降水對(duì)ET的貢獻(xiàn)在3個(gè)季節(jié)中都出現(xiàn)了降低趨勢(shì)，盡管春季在350～400 mm內(nèi)RCPRE更高，但是并不影響整體趨勢(shì)。降水對(duì)ET的貢獻(xiàn)隨著降水梯度的增加而降低，在春季從40.87%±19.19%減少到4.89%±5.60%,在夏季從30.38%±15.14% 減少到7.69%±8.55%,在秋季從28.57%±16.06%減少到3.65%±3.12%。值得注意的是，幾乎在所有的降水梯度內(nèi)，春季降水對(duì)ET的貢獻(xiàn)都要高于夏季和秋季，同時(shí)，夏季降水對(duì)ET的貢獻(xiàn)表現(xiàn)出更大的空間變化，在草地中發(fā)現(xiàn)更高的RCPRE。

圖2 1982～2011年降水對(duì)ET貢獻(xiàn)隨降水梯度變化的季節(jié)性差異Fig.2 Relationships between the relative contributions of precipitation to evapotranspiration and mean annual precipitation along a precipitation gradient in the Loess Plateau during 1982～2011

2.3 植被生長(zhǎng)對(duì)黃土高原蒸散發(fā)的影響

NDVI對(duì)ET的貢獻(xiàn)(RCNDVI)存在明顯的空間差異。春季，在植被覆蓋更高的區(qū)域發(fā)現(xiàn)NDVI對(duì)ET的貢獻(xiàn)也更高，區(qū)域主要是以林地(RCNDVI為25.6%±12.84%)和灌木(RCNDVI為18.31%±13.81%)為主。但是，夏季林地RCNDVI(10.24%±13.87%)相比春季(24.18%±15.69%)減少，夏季更高的RCNDVI主要出現(xiàn)在農(nóng)田以及退耕還林還草工程的核心區(qū)。更為顯著的是，調(diào)查發(fā)現(xiàn)在秋季3種植被類(lèi)型的RCNDVI普遍較高，RCNDVI在3種植被類(lèi)型中從18.07%±12.09%變到24.55%±12.15%。同時(shí)，通過(guò)對(duì)比同一種植被在不同季節(jié)之間的RCNDVI，發(fā)現(xiàn)灌木和草地在秋季的RCNDVI明顯高于春季和夏季，而林地則表現(xiàn)出春季的RCNDVI略高于秋季，而春季的RCNDVI最低。概率密度函數(shù)(PDF)進(jìn)一步展示了不同植被類(lèi)型的RCNDVI存在明顯的季節(jié)性差異(α=0.05)(圖3)。林地和灌木的概率密度函數(shù)在3個(gè)季節(jié)均表現(xiàn)出較為一致的浮動(dòng)范圍，RCNDVI均在0～60%，而草地的概率密度函數(shù)在春季的分布范圍最低，草地春季RCNDVI的范圍為0～40%，另外，草地在夏季和秋季RCNDVI的范圍則擴(kuò)展到0～60%。

圖3 1982～2011年不同植被NDVI對(duì)蒸散發(fā)貢獻(xiàn)的概率密度分布Fig.3 Probability density function (PDF) of the relative contribution of normalized difference vegetation index (NDVI) to evapotranspiration for different vegetati on type during 1982～2011

3 討論

基于大尺度遙感數(shù)據(jù)，運(yùn)用廣義線性模型探究了氣候和植被變化對(duì)黃土高原蒸散發(fā)的影響，通過(guò)分析發(fā)現(xiàn)氣候和植被對(duì)蒸散發(fā)的影響存在明顯的季節(jié)性差異。在水分受限的黃土高原，降水和植被生長(zhǎng)對(duì)于季節(jié)性的ET的分布模式具有重要的影響[19-20]，但是，各因素對(duì)ET的貢獻(xiàn)易受到季節(jié)性水熱狀況以及植被結(jié)構(gòu)和功能(植被生長(zhǎng)以及用水策略)的影響。和以往研究結(jié)果一致，研究發(fā)現(xiàn)降水在3個(gè)季節(jié)對(duì)ET均起到了十分重要的控制作用。黃土高原的植被在生長(zhǎng)季經(jīng)歷了較為嚴(yán)重的水分短缺，因此，水分供給在調(diào)節(jié)ET的變化中扮演了重要的作用，尤其是在更干的區(qū)域/植被類(lèi)型[21]。有研究表明更溫暖的春季促使植被物候提前以及春季高蓋度植被生長(zhǎng)的增加[22]，而這些植被對(duì)于陸地ET的變化產(chǎn)生重要的影響，即春季NDVI對(duì)ET的高貢獻(xiàn)，而秋季NDVI對(duì)ET的高貢獻(xiàn)則可能歸因于近年來(lái)黃土高原秋季物候的延長(zhǎng)。

試驗(yàn)對(duì)數(shù)據(jù)進(jìn)行了全面的評(píng)估，但是不同數(shù)據(jù)源的結(jié)果仍然存在不確定以及可能的偏差，尤其是在空間尺度的縮放上差異就會(huì)更加明顯。為了進(jìn)一步理解驅(qū)動(dòng)區(qū)域水循環(huán)的潛在過(guò)程，使用擴(kuò)展的現(xiàn)場(chǎng)觀測(cè)網(wǎng)絡(luò)，更加精準(zhǔn)的遙感數(shù)據(jù)，以及改進(jìn)的生態(tài)系統(tǒng)模型等多種手段的綜合研究是非常有必要的。

4 結(jié)論

(1)溫度對(duì)黃土高原蒸散發(fā)的影響相對(duì)降水和NDVI普遍較低，但是仍然存在明顯的季節(jié)性差異。整體上表現(xiàn)為夏季溫度對(duì)ET的影響最大，但是不同植被類(lèi)型的溫度對(duì)ET的影響季節(jié)差異明顯。

(2)降水是黃土高原蒸散發(fā)變化的重要影響因素之一，3個(gè)季節(jié)均表現(xiàn)出隨著降水的增加，對(duì)ET的影響逐漸減小。

(3)NDVI對(duì)黃土高原蒸散發(fā)的影響顯著，尤其是秋季林地、灌木、草地3種植被NDVI對(duì)ET的貢獻(xiàn)普遍較高。

參考文獻(xiàn):

[1] Li Z,Liu X,Niu T,etal.Ecological restoration and its effects on a regional climate:The source region of the Yellow River,China[J].Environ Sci Technol,2015,49(10),5897-5904.

[2] Mohammat A,Wang X,Xu X,etal.Drought and spring cooling induced recent decrease in vegetation growth in Inner Asia[J].Agric For Meteorol,2013,178：21-30.

[3] 賀添,邵全琴.基于MOD16產(chǎn)品的我國(guó)2001-2010年蒸散發(fā)時(shí)空格局變化分析[J].地球信息科學(xué)學(xué)報(bào),2014,16(6):979-988.

[4] Detto M,Montaldo N,Albertson J D,etal.Soil moisture and vegetation controls on evapotranspiration in a heterogeneous Mediterranean ecosystem on Sardinia[J].Water Resoure Res,2006,42:356-367.

[5] Gao G,Chen D,Xu C Y,etal.Trend of estimated actual evapotranspiration over China during 1960～2002[J].J.Geophys Res,2007,112:1120-1128.

[6] Liu Q,Yang Z.Quantitative estimation of the impact of climate change on actual evapotranspiration in the Yellow River Basin[J].China J Hydrol,2010,395(3),226-234.

[7] Mu Q,Zhao M,Running S W.Improvements to a MODIS global terrestrial evapotranspiration algorithm[J].Remote Sens Environ,2011,115(8),1781-1800.

[8] Liu Q,Yang Z.Quantitative estimation of the impact of climate change on actual evapotranspiration in the Yellow River Basin[J].China J Hydrol,2010,395(3),226-234.

[9] Villarreal S.Contrasting precipitation seasonality influences evapotranspiration dynamics in water-limited shrublands[J].J Geophys Res Biogeosci,2016,121,494-508.

[10] Zhang S Y,Li X Y,Zhao G Q,etal.Surface energy fluxes and controls of evapotranspiration in three alpine ecosystems of Qinghai Lake watershed,NE Qinghai-Tibet Plateau[J].Ecohydrology,2015(9):267-279.

[11] Xia J.Satellit-based analysis of evapotranspiration and water balance in the grassland ecosystems of Dryland East Asia,PLoS One,9(5),e97295,doi:10.1371/journal.pone.0097295.

[12] 張殿君,張學(xué)霞,武鵬飛.黃土高原典型流域土地利用變化對(duì)蒸散發(fā)影響研究[J].干旱區(qū)地理,2011,34(03):400-408.

[13] Stocker T,Qin D,Plattner G,etal.Climatechange 2013:The physical science basis.Contribution of working group I to the fifth assessment report of the intergovernmental panel on climate change[M].Cambridge:Cambridge University press,2014:78-79.

[14] Feng X M,Sun G,Fu B J,etal.Regionaleffects of vegetation restoration on water yield across the Loess Plateau[J].China Hydrol Earth Syst Sci,2012,16(8),2617-2628.

[15] Xu J.Decreasing trend of sediment transfer function of the Upper Yellow River,China,in response to human activity and climate change[J].Hydrol Sci J,2014,60(2),311-325.

[16] Nelder J A,Wedderburm R W M.Generalized linear models[J].J Roy Statist Soc,Ser A,1972,135:370-384.

[17] 陳希孺.廣義線性模型(一)[J].數(shù)理統(tǒng)計(jì)與管理,2002,21(5):54-61.

[18] 張進(jìn)春,吳超.基于廣義線性模型的概率風(fēng)險(xiǎn)評(píng)價(jià)方法及其應(yīng)用[J].中南大學(xué)學(xué)報(bào)(自然科學(xué)版),2011,42(6):1719-1724.

[19] 邵薇薇,楊大文,孫福寶,等.黃土高原地區(qū)植被與水循環(huán)的關(guān)系[J].清華大學(xué)學(xué)報(bào)(自然科學(xué)版),2009,49(12):1958-1962.

[20] Zeng R,Cai X.Assessing the temporal variance of evapotranspiration considering climate and catchment storage factors[J].Adv Water Resour,2015,79:51-60.

[21] Jung M.Recent decline inthegloballand evapotranspiration trend due to limited moisture supply[J].Nature,2010,467(7318):951-954.

[22] Piao S,Fang J,Zhou L,etal.Variations in satellite-derived phenology in China's temperate vegetation[J].Global Change Biol,2006,12(4):672-685.